AI消息速览

人工“自我修正”修辞——LLM为何过度使用古典修辞格及其缓解方法

事件日期 2026-07-23 · 学术前沿 · 已接受

返回列表 打开来源
事件日期2026-07-23
信息日期2026-07-23
入库日期2026-07-25
通道学术前沿
状态已接受
来源arXiv 论文

知识卡片：人工“自我修正”修辞——LLM为何过度使用古典修辞格及其缓解方法

英文标题: Artificial Epanorthosis: Why large language models overuse a classical rhetorical figure, and how to mitigate it
英文关键词: epanorthosis, rhetorical figure, LLM overuse, RLHF, calibration, LoRA
来源: arXiv:2607.21498v1, cs.CL

一句话结论

大型语言模型系统性地过度使用一种两千年前的古典修辞格“epanorthosis”（自我修正），根源在于训练数据中促销式文本过多和偏好对齐（RLHF）奖励自信、强调性的措辞；通过轻量LoRA适配器或单行指令可将该修辞密度校准至人类在不同体裁中的基线水平。

事件概述

该研究指出，一种由西塞罗和昆体良在两千年前记录的修辞格——epanorthosis（如句子“这不是一门课程。这是一场转型之旅”中的自我否定与修正），在当今LLM生成的文本中系统性地高频出现。作者论证这种过度使用是一种“训练出的习性”，主要动因是训练分布中充斥的促销式散文（promotional prose）以及偏好对齐（RLHF）奖励自信、强调性措辞；从左到右的自回归生成只是放大器而非根本原因。基于人类修辞风格与模型偏差的证据，以及法国修辞学家Fontanier将epanorthosis归类为“思想修辞格”的分类法，该研究设计了一个Epanorthosis Index（相对于人类基准密度的比值），对特定指令调优模型家族三种规模进行了首次测量。

方法/产品要点

  • 定义Epanorthosis Index：模型中epanorthosis的密度除以同一体裁人类文本中该修辞的密度。
  • 测量对象：一个指令调优模型家族的三种尺寸（具体模型名称未提及，待核实）。
  • 缓解技术：重点围绕轻量级LoRA适配器；在意大利语场景中演示了两种方法：
    1. 单行指令（one-line instruction）可减少一半至四分之三的epanorthosis；
    2. 使用监督微调（SFT）适配器几乎可以完全移除该修辞，并配有一个缩放系数（scaling coefficient）将减少量调回人类比率。
  • 核心目标：不是完全消除epanorthosis，而是针对每种体裁校准到人类比率。

主要结果

  • 模型在修辞密度上出现双向失配：
    • 过度使用：演说体裁（oratory）中约为人际密度的两倍，意大利语中接近三倍，且集中在更大尺寸的模型；
    • 使用不足：非正式问答写作中低于人类基准；
    • 匹配人类：在议论文、新闻和百科全书中与人类水平相当。
  • 意大利语案例：单行指令可将epanorthosis密度降低一半至近四分之三；SFT适配器几乎完全移除，并通过缩放系数可精调至人类比率。

为什么重要

  • 首次从修辞学（而非单纯语法或事实性）角度系统诊断LLM生成风格偏差，将古典修辞格与当代模型行为建立联系。
  • 揭示了偏好对齐（RLHF）可能无意中鼓励了某种特定修辞模式的过度使用，而这可能影响读者对模型文本的真实感与可信度。
  • 提供了轻量、可操作的缓解方法（LoRA适配器、指令调整），且强调目标应是“校准至人类基线”而非消灭差异，对文本风格控制有直接实用价值。
  • 作者警示：真正的风险是“我们开始像机器一样写作”，即人类写作风格被模型输出的刻板修辞同化。

局限与不确定性

  • 首次测量仅针对一个指令调优模型家族的三种尺寸（未提及具体模型品牌和版本，待核实），普适性需更多模型验证。
  • 意大利语演示的泛化到其他语言的效果待确认。
  • Epanorthosis Index的构建依赖对epanorthosis的人为标注标准，不同研究者可能有不同界定。
  • 缓解技术的长期效果（例如SFT适配器是否损害模型其他能力）未在摘要中讨论。
  • 左到右生成作为放大器的具体量化贡献尚未分离。

可用于图书/PPT/简报的角度

  • 对演讲撰稿人/营销文案作者：警惕AI生成文本中“先否定再肯定”的套路化修辞（“这不是……这是……”），避免使用过多自我修正语句降低说服力。
  • 对AI产品经理：偏好对齐（RLHF）可能引入非预期风格偏差，需平衡自信表达与自然感，可参考“按体裁校准”思路设计风格控制功能。
  • 对AI对齐研究者：将修辞格密度作为一种新的“风格对齐”度量指标，补充现有的事实准确性、毒性等评估维度。
  • 对语言学/修辞学课堂：用实例展示古典修辞格如何意外重现于现代AI，引发关于人工智能与人类语言习惯关系的讨论。

原始材料

  • 来源链接: https://arxiv.org/abs/2607.21498v1
  • 作者: Federico Boggia
  • 发布时间: 2026-07-23
  • 主要类别: cs.CL (计算语言学)
  • 摘要节选: A rhetorical figure that Cicero and Quintilian catalogued two thousand years ago reappears, systematically, in the text of large language models: epanorthosis, the self-correction of the specimen «This is not a course. It is a journey of transformation». This essay argues that the overuse is a trained disposition, driven mainly by a training distribution rich in promotional prose and by preference tuning (RLHF) that rewards confident, emphatic phrasing; the left-to-right nature of generation is an amplifier rather than the root cause.